Cognitive Work and Interface Requirements in Autonomous Passenger Mobility: A Taxonomy-Based Analysis of Public Incident Reports
本研究通过分析超过 2,700 份公开事故报告，开发了一个基于分类学的框架，旨在通过解决不同人类参与者在与自动化系统交互过程中的认知工作和可理解性需求，确定确保自动驾驶乘客出行安全的关键界面需求。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
当我们想象一个充满自动驾驶汽车的未来时，最常见的画面是寂静的：一辆无人驾驶的车辆在路上平稳滑行，驾驶位后空无一人，从而让乘客得以自由地阅读、睡觉，或仅仅是观察这个世界。这是一种自动化完全消除驾驶负担的愿景。然而，安全专家和工程师日益意识到，这一愿景并不完整。自动化并不仅仅是抹去了人类的工作，而是转移了工作。正如驾驶高度自动化飞机的飞行员在系统遇到问题时仍需承担关键职责一样，自动驾驶汽车周围的人们——乘客、远程协助者、警察和行人——现在必须进行一种新型的脑力劳动。他们必须弄清楚机器在想什么、它正准备做什么，以及当情况出错时由谁负责。这种转变创造了一个复杂的通信网络，要求车辆必须不断向各种并非在驾驶它的人员传达其意图。
卡里姆·哈迪（Karim Hardy）在胚胎岭航空大学（Embry-Riddle Aeronautical University）进行的一项近期研究，深入探讨了这种新现实在现实世界中是如何运作的。研究人员并没有制造一辆新车或运行计算机模拟，而是查看了数千份关于涉及自动驾驶客运车辆事件的公开报告。这些记录涵盖了从机器人出租车到自动驾驶穿梭巴士的所有情况，它们构成了一份记录，揭示了人机交互在哪里出现了失误。通过分析 2,760 份最新的公开报告，该研究筛选出了 1,411 个特定案例，在这些案例中，问题并不一定在于机械故障，而在于理解上的断裂。研究人员将这些事件分为 1,158 个不同的集群进行分析，以寻找反复出现的模式，将每一份报告都视为寻找维持这些系统安全所需的隐性认知工作的线索。
分析显示，最频繁的故障点并非高速公路上的高速碰撞，而是车辆停止或等待时的安静、低速时刻。近 30% 的交互问题发生在汽车停泊、路边停车或在车道内等待时。在这些情况下，车辆的行为可能完全符合逻辑，例如等待乘客装载行李、等待远程操作员给予移动许可，或等待行人过马路。然而，对于站在附近的人来说，车辆的状态往往是一个谜。它是坏了？是在让行？还是在等待帮助？研究发现，由于缺乏清晰的信号，乘客、行人及应急响应人员会陷入猜测，而猜测正是安全风险产生的源头。
研究还强调，“驾驶员”不再是坐在座位上的单个人。在许多报告的事件中，控制车辆的权限分布在不同的人手中。有时是车内的人员应该接管；有时是数英里外的远程操作员在引导车辆；在某些情况下，甚至没有人类直接负责，导致乘客不得不自行判断该做什么。研究表明，当这些角色定义不明或沟通不畅时，混乱就会蔓延。例如，乘客可能不知道是否应该按下紧急按钮，或者警察可能不知道是否可以靠近一辆停下的车辆。数据表明，系统的失败并非因为汽车不会驾驶，而是因为周围的人无法读懂汽车的行为或无法确定谁在掌控。
基于这些模式，该研究提出了一种看待安全的新方式。设计师不应仅仅关注汽车是否能完成转弯或在红灯前停车，还必须确保车辆的状态对所有相关人员都是“可理解的”（legible）。这意味着汽车需要清晰地展示其当前的运行模式，无论是处于等待状态、故障状态，还是正在接受远程人工协助。它需要准确告知乘客如果行程中断该如何应对。它需要向警察发出信号，说明车辆是处于活跃状态还是失效状态。研究人员认为，安全性取决于使这些隐性状态变得可见。如果汽车处于“降级”状态（即正难以正常运行），它必须清晰地传达这种局限性，这样人们才不会期望它表现得像一辆正常的车。
研究结果表明，自动驾驶出行的未来，与其说是取决于完善驾驶软件，不如说取决于完善机器与人类世界之间的对话。这项研究并不声称已经解决了这些问题，但它为问题发生的环节提供了一张清晰的地图。通过识别出最常见的问题源于停顿状态的歧义、权责不明以及与应急响应人员的沟通不畅，该研究提供了一份改进清单。它呼吁一种设计理念，即车辆应作为一个透明的伙伴，不断向其人类邻居更新自身的状态与意图。在这种观点下，自动驾驶革命的成功，将不取决于一辆车在没有人类干预的情况下行驶了多少英里，而取决于当它停下来时，能多清晰地解释清楚自己的状态。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。